#Медицина
#Фарма
#Формула
#КИ
«Он не работает». А вы уверены?
Периодически я наблюдаю интересный психологический феномен: когда мы в общем обсуждаем клинические исследования (КИ), то все знают, что результаты могут быть отрицательными, и причин тому - «миллион и маленькая тележка». Но если речь заходит о конкретном исследовании, то чаще всего, особенно во врачебной среде, звучит вердикт «препарат не работает». В этот момент «миллион» куда-то исчезает 🫥
Не пугайтесь, всю «тележку» разбирать не буду. Только основы. 😉
🕯Исследование просто не смогло выявить эффект.
Не углубляясь в статистику - КИ построены на теории вероятности, поэтому существуют ложноположительные и ложноотрицательные результаты. Если перевести на человеческий язык, это означает, что исследование может показать эффективность там, где её на самом деле нет, или, наоборот, не обнаружить реальный эффект. Именно поэтому так важна воспроизводимость результатов. Одно исследование редко даёт окончательный ответ. Чем больше исследований подтверждают один и тот же вывод, тем выше наша уверенность в том, что этот вывод верен.
Кстати, большинство исследований планируются таким образом, чтобы выявить эффект в 80% или 90% случаев. Проще говоря, даже если препарат действительно работает и все расчёты выполнены правильно, остаётся довольно большой риск не получить статистически значимый результат просто из-за случайных факторов.
🕯Неправильно предположили размер эффекта
Ещё одна математическая причина — неправильная оценка размера эффекта (того, насколько сильно изменится интересующий нас показатель). Как следствие — в исследование включили недостаточное число пациентов, чтобы этот эффект уловить.
Помните нашу «народную мудрость»: «один раз — случайность, два — совпадение, три — закономерность»? Чтобы выявить закономерность, нужно определённое число случаев. Оно рассчитывается математически, и краеугольным камнем здесь является тот самый размер эффекта.
Чаще всего это история исследований второй фазы: собственных данных по размеру эффекта ещё недостаточно, и приходится ориентироваться на литературу и предположения, можно ошибиться.
🕯Неправильно выбрали показание или группу пациентов
Историю знаменитую все помнят? Изначально силденафил разрабатывался как антиангинальный препарат — для лечения стенокардии. Но в исследованиях обнаружился эффект совсем в другой области. И получилась Виагра.
Или, как вариант, включили «не тех» пациентов. Самый простой и понятный пример — антибиотики: могут быть эффективны при одной инфекции и не работать при другой. Пример посложнее: есть препараты, работающие при одном типе мигрени и не работающие при другом.
Практически каждое заболевание имеет свои формы и особенности течения, при которых препараты могут показывать разную эффективность. И это не «препарат не работает» — это «препарат не работает в данной подгруппе пациентов».
🕯Проблемы с проведением исследования
Это уже наши специфические «дебри». Главная головная боль - отклонения от протокола: когда исследователи или пациенты по тем или иным причинам не делают то, что было необходимо, включая пропущенные данные (не выполняются обследования, на основании которых судят об эффективности) и большое число пациентов, досрочно прекративших участие.
🪞А что потом?
Если не брать в расчёт «разбор полётов», то всё просто: команда сядет делать колоссальную домашнюю работу - анализировать и выявлять причину (точнее - причины). По результатам этого анализа руководство принимает решение: прекращать разработку, менять направление или проводить дополнительные исследования.
Важно помнить одно:
Отрицательные результаты исследования - далеко не всегда приговор, положительные - далеко не всегда повод для однозначных выводов. 100% гарантии в теории вероятностей не существует.
🐁подписаться на канал
#Фарма
#Формула
#КИ
«Он не работает». А вы уверены?
Периодически я наблюдаю интересный психологический феномен: когда мы в общем обсуждаем клинические исследования (КИ), то все знают, что результаты могут быть отрицательными, и причин тому - «миллион и маленькая тележка». Но если речь заходит о конкретном исследовании, то чаще всего, особенно во врачебной среде, звучит вердикт «препарат не работает». В этот момент «миллион» куда-то исчезает 🫥
Не пугайтесь, всю «тележку» разбирать не буду. Только основы. 😉
🕯Исследование просто не смогло выявить эффект.
Не углубляясь в статистику - КИ построены на теории вероятности, поэтому существуют ложноположительные и ложноотрицательные результаты. Если перевести на человеческий язык, это означает, что исследование может показать эффективность там, где её на самом деле нет, или, наоборот, не обнаружить реальный эффект. Именно поэтому так важна воспроизводимость результатов. Одно исследование редко даёт окончательный ответ. Чем больше исследований подтверждают один и тот же вывод, тем выше наша уверенность в том, что этот вывод верен.
Кстати, большинство исследований планируются таким образом, чтобы выявить эффект в 80% или 90% случаев. Проще говоря, даже если препарат действительно работает и все расчёты выполнены правильно, остаётся довольно большой риск не получить статистически значимый результат просто из-за случайных факторов.
🕯Неправильно предположили размер эффекта
Ещё одна математическая причина — неправильная оценка размера эффекта (того, насколько сильно изменится интересующий нас показатель). Как следствие — в исследование включили недостаточное число пациентов, чтобы этот эффект уловить.
Помните нашу «народную мудрость»: «один раз — случайность, два — совпадение, три — закономерность»? Чтобы выявить закономерность, нужно определённое число случаев. Оно рассчитывается математически, и краеугольным камнем здесь является тот самый размер эффекта.
Чаще всего это история исследований второй фазы: собственных данных по размеру эффекта ещё недостаточно, и приходится ориентироваться на литературу и предположения, можно ошибиться.
🕯Неправильно выбрали показание или группу пациентов
Историю знаменитую все помнят? Изначально силденафил разрабатывался как антиангинальный препарат — для лечения стенокардии. Но в исследованиях обнаружился эффект совсем в другой области. И получилась Виагра.
Или, как вариант, включили «не тех» пациентов. Самый простой и понятный пример — антибиотики: могут быть эффективны при одной инфекции и не работать при другой. Пример посложнее: есть препараты, работающие при одном типе мигрени и не работающие при другом.
Практически каждое заболевание имеет свои формы и особенности течения, при которых препараты могут показывать разную эффективность. И это не «препарат не работает» — это «препарат не работает в данной подгруппе пациентов».
🕯Проблемы с проведением исследования
Это уже наши специфические «дебри». Главная головная боль - отклонения от протокола: когда исследователи или пациенты по тем или иным причинам не делают то, что было необходимо, включая пропущенные данные (не выполняются обследования, на основании которых судят об эффективности) и большое число пациентов, досрочно прекративших участие.
🪞А что потом?
Если не брать в расчёт «разбор полётов», то всё просто: команда сядет делать колоссальную домашнюю работу - анализировать и выявлять причину (точнее - причины). По результатам этого анализа руководство принимает решение: прекращать разработку, менять направление или проводить дополнительные исследования.
Важно помнить одно:
Отрицательные результаты исследования - далеко не всегда приговор, положительные - далеко не всегда повод для однозначных выводов. 100% гарантии в теории вероятностей не существует.
🐁подписаться на канал